返回首页
当前位置: CompoTech China > 专题 >

工业4.0盲点一:好高骛远,不切实际

时间:2018-12-24 08:19来源:Compotech 作者:任苙萍 点击:
千里之行始于足下,先从解决眼下问题开始!
历经机械生产、制造标准化、电脑化及自动化革命,在比拼整体设备效率 (OEE) 和设备综合生产力 (TEEP) 指标、快速量产之后,时至工业 4.0,等同砸大钱新购昂贵设备、将所有设备联网?叡扬资讯 (GSS) 高级解决方案架构师钱钲津直指,第四次工业革命的核心精神在于"智能化及价值创造";惟对于中小企业而言,如果连现有瑕疵都管理不好,又遑论智能制造?不如从"解决问题"切中时弊,以"如质、如期、如成本"为首要目标更接地气。换个角度,中小企业更见商业潜力,尤其是面临夕阳西下危机的产业,更有"救危扶倾"的迫切需求。
 

照片人物:叡扬资讯高级解决方案架构师钱钲津
 
智能制造时代,价值认定由市场说了算!
钱钲津说明,中小型工厂不像大企业可让耗资数亿元台币的生产设备一次到位,但强在柔性生产、灵活,反而是新契机。他表示,智能制造的价值链是由工厂 (机械) 和产品 (服务) 两个环状结构组成,须留意的是:价值的认定来自于市场,非生产者的主观思维,有赖数字供应链串流与数字客户关系链的协同合作,让生产者不必再瞎子摸象、凭空臆测。将"协同"概念延伸至下游客户端做智慧拓销,可发展智能型产品与服务,例如,智能孕妇装可感测腹中胎儿生长情形;而迈向智能制造的旅途,可借镜生命体的演化进程 (如图 1 所示)。
钱钲津认为,智能制造应按部就班推动管理创新、重新定义所有价值主张。首先,要有整厂思维,将企业资源规划 (ERP)、制造执行系统 (MES) 与底层设备数据整合、串接并回馈到上层系统;其次是跨厂管理——包括源头供应到市场销售、甚至往前追溯到设计端,改善延迟交货、质量不良等缺失,而非一味强迫机器不停大量生产;再者,是导入物联网 (IoT) 和人工智能 (AI),落实精实生产系统 (LMS)、提升品管并节约能源;最后是全产业的协同优化与人机协作,以便因应需求快速转换与少量多样的客制化生产。
 

图1:智能制造之旅,可借镜生命体的演化进程
资料来源:钱钲津提供
 
AIoT 解析现在,探索未来
钱钲津指出,早期工厂多是以手工记录片段数据,一旦设备故障仅能概略描述过程、无法获悉当下机台参数;但要确实找到根源,势必考虑事发前后的背景因素,人工智能+物联网 (AIoT=AI+IoT) 可助一臂之力。随着感测触角越来越多,需要大脑中控;与此同时,长期累积下来的数据经由 AI 进行相关演算、分析,以达到预防、预测、优化建议到全厂高度自动化,工厂环境恶劣、招工不易的纺织业就是经典教案。以染整为例,化验室配方到生产端的"一次对色率"极其重要;当中任一环节稍有差池就会拖累整个工序,而高度智能化利于知识经验传承。
 
目前纺综所正携手叡扬信息尝试以 400 多个参数做高维计算,冀将一次对色率从 60% 提升至 80%。另一方面,借助异类数据处理与高度计算能力可探索从前没发现的新大陆,激发创新灵感。例如"循环经济"兴起,研发新织法典范、定义新的工艺参数/添加物/配方,以便旧衣可被拆解回收。不过如前所述,规模不大的工厂要大举更张并非易事,钱钲津建议,从最迫切处切入是最好的方式,并提出"1/3 月台"构想——失效预防与问题解决、智能型全面质量保证、数据辅助质量管理,以及"切、望、闻三感 AI"三种级别解方——内嵌或接触式机台传感器、CCD 光学摄影机做色彩空间处理、收音式麦克风做声音信号处理。
 
无联网功能的老旧设备,也能产业升级
秉持"不必汰换无联网功能的老旧设备"理念,第一种"切"是在每台织机加装信号撷取卡与信号传输设备、收集织机数据,再将生产相关信号整合至伺服端以监控织机实时运转狀态。第二种"望"是借由 CCD 将控制面板仪表数字拍摄下来,再利用双方共同开发的光学 IoT 系统、以机器视觉及 AI 演算采撷机台数据——CCD 容易晃动,且织布是非均匀表面、易受光线影响,导致拍摄影像色彩不是点状、而是团状不规则分布,须以算法校正并将原始影像进行色彩空间转换。
 

图2:通过色彩空间转换演算,提高纺织色纺着色识别的精准度
资料来源:钱钲津提供
 
钱钲津另举一例解释:通过 CCD 采撷多采用 HSV 椭圆锥体空间,但纺织染整是以分光仪量测而采 CIE L*a*b* 四色维度,所以须先经过转换,再依序做颜色筛选、噪声消除、影像重建、偏心尺码侦测和影像瑕疵过濾后转成"二元影像"(Binary image),继而将这些数值分群、比对。第三种"闻"是基于机台内部本是一种黑箱状态,可将机台运转声音转换成音高等特征来自动判断是否有"水锤现象"——染料液体因管路阀门受阻、流体压力急升而损伤机台 (运转马达的共振亦可用麦克风收音监测)。
 
"精实生产"深化上、下游合作,AI 向大自然取经
另钱钲津提到对"物联网交换平台"的看法:美系多有商业考虑、小工厂难以负担,故特别推荐欧洲"Tango Controls"开源平台;通过统计过程控制 (SPC) 计算得出六个标准偏差,针对可靠稳健原则订出 10 个规则加以过滤,员工只需在中控台工作、搭配走动式现场管理即可,不必整天待在令人不适的生产线。智能中控台还可清楚呈现完整制造过程价值图,找出价值流的贡献度、问题环节与浪费根源予以模拟、预测,实现"精实生产"——平准化生产、改善换模时间、提高工作效率,进而建立"超级市场"让上、下游生产不间断。
 
钱钲津预期,自然语言处理/机器视觉/知识表示/自动推理/机器学习/机器人技术等"类人类行为"与感性工程/人工心理/人工情感/神经生理结合等"类人类思考"将是 AI 未来趋势,而向大自然学习的"群体智能"(Swarm Intelligence) 算法——又称为仿生计算 (bio-inspired computation) 或自然计算 (natural computation),有助于求得各类问题的最佳解;依循机率转移规则,由个体的适应值引导搜寻,且群体中单一个体可从空间中不同初始位置 (随机多点) 同时搜寻,效率较佳且不易陷入局部最佳解错觉。
 


图3:"类人类"行为+思考,是 AI 未来趋势
资料来源:钱钲津提供
 
"群体智能"减少无谓浪费,智慧供应链最终成"生产同盟"
"群体智能"是一种"去中心控制"方式,蚁群 (ant colony)、粒子群 (particle swarm)、蜂群 (bee colony)、人工鱼群 (artificial fish swarm) 等算法,是近年研究热点;分散处理、多重演算/互动"大动员",可应对零工排程问题 (Job-shop Scheduling Problem, JSSP) 与二次分配问题 (Quadratic Assignment Problem, QAP),减少无谓的浪费。钱钲津强调,智能制造是从定义生产规范、转变成定义价值,借由深度学习/机器学习计算提供建议给工厂 (样本数/数据量) 是关键,且此一智慧供应链最终将串连成"生产同盟"。
(责任编辑:helen)
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名:密码: 验证码:点击我更换图片